Kimi K3 vs Llama 3.3 70B Instruct
料金・コンテキスト長・実際の回答で比較（2026年9月時点）
Kimi K3（Moonshot）とLlama 3.3 70B Instruct（Meta）を、FastMetalのゲートウェイで実際に呼び出せる条件で比較します。どちらも同じOpenAI互換エンドポイントとAPIキーから利用でき、切り替えは model の文字列を変えるだけです。
スペックと料金
 Kimi K3 |  Llama 3.3 70B Instruct | |
|---|---|---|
| 提供元 | Moonshot | Meta |
| 入力（100万トークンあたり） | ¥504 | ¥17.87 |
| 出力（100万トークンあたり） | ¥2,520 | ¥57.18 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,764 | ¥46 |
| コンテキスト長 | 1,048,576 トークン | 131,072 トークン |
| リリース日 | 2026/7/16 | 2024/12/6 |
| 入力モダリティ | text, image | text |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #17 · ELO 1,485 | #250 · ELO 1,318 |
| アリーナ 日本語 | #2 · ELO 1,511 | #210 · ELO 1,212 |
| アリーナ コーディング | #7 · ELO 1,538 | #263 · ELO 1,346 |
料金はFastMetalの円建て単価（税別）。アリーナ順位は公開リーダーボードの最新取得時点の値です。
どちらを選ぶべきか
- 料金重視ならLlama 3.3 70B Instruct。出力100万トークンあたり¥57.18で、Kimi K3より98%安くなります。
- 総合の評価はアリーナ順位でKimi K3が上です（17位。Llama 3.3 70B Instructは250位）。
- 日本語の評価はアリーナ順位でKimi K3が上です（2位。Llama 3.3 70B Instructは210位）。
- コーディングの評価はアリーナ順位でKimi K3が上です（7位。Llama 3.3 70B Instructは263位）。
- 長い文書を扱うならKimi K3。コンテキスト長は1,048,576トークンで、Llama 3.3 70B Instructの131,072トークンより広くとれます。
- 迷ったら両方を同じキーで試せます。model の文字列を変えるだけで切り替わり、料金はそれぞれの単価で従量課金されます。
同じプロンプトへの実際の回答
FastMetalのゲートウェイが返した回答をそのまま並べています。ベンチマークの数字ではなく、実際の出力です。
このエラーをデバッグして
以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…
Kimi K3
## 原因
エラーメッセージが示す通り、`order["price"]` が **文字列（str）** になっているのが原因です。数値同士の演算を期待しているのに、DBから取得した `price` が文字列として返されているため、乗算に失敗しています。
よくある原因は以下のいずれかです：
1. **DBのカラム定義が文字列型** — `price` カラムが `DECIMAL`/`NUMERIC` ではなく `VARCHAR`/`TEXT` で定義されている
2. **DBドライバの仕様** — 一部のドライバや設定では、数値カラムでも文字列として返すことがある
3. **データ投入時の問題** — 数値カラムでも文字列として insert され、暗黙変換されている
まず以下で型を確認すると原因を特定しやすいです：
```python
print(type(order["price"]), order["price"])
```
## 修正方法
### 応急処置（アプリケーション側で型変換）
```python
from decimal import Decimal
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
total = sum(Decimal(order["price"]) * int(order["quantity"]) for order in orde…
応答時間 47.1秒出力 2426 トークン
Llama 3.3 70B Instruct
# 歩階的に説明する
1. **エラー原因の特定**: このエラーは、文字列を整数で乗算できないため発生します。ここでは、`order["price"]` が文字列、`order["quantity"]` が整数なので、このエラーが発生しています。
2. **エラーの修正方法**: このエラーを修正するには、`order["price"]` を整数か浮動小数点数に変換する必要があります。一般的にはPRICEは浮動小数点数なので、`float()`関数を使用します。
3. **安全性の向上**: Hoffman方式のような安全な数値変換手法も検討してください。例えば、priceに不正な値が含まれている際に、エラーをより適切に処理できます。
# 修正したコード
```python
def get_user_orders(user_id):
"""ユーザーの注文と注文総額を取得します"""
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
# priceを浮動小数点数に変換し、安全にエラーを処理する
try:
total = sum(float(order["price"]) * order["quantity"] for order in orders)
except ValueError as e:
# priceが不正な値である場合のエラー処理
print(f"不正なpri…
応答時間 22.2秒出力 448 トークン
コードレビュー
以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…
Kimi K3
# コードレビュー: `fetchAllUsers`
全体的に動作はしますが、型安全性・エラーハンドリング・堅牢性に改善余地があります。指摘事項を整理します。
## 主な問題点
### 1. 型安全性の欠如(ベストプラクティス)
- 戻り値が `Promise<any[]>` で、型の恩恵が得られていない
- `response.json()` の結果が暗黙の `any` になり、プロパティの typo などを検出できない
### 2. エラーハンドリングがない(ベストプラクティス)
- `response.ok` のチェックがなく、404 や 500 でも `json()` を呼んでしまう
- ネットワークエラーや JSON パースエラーが考慮されていない
- `data.users` が `undefined` の場合、`data.users.length` でランタイムエラーになる
### 3. 無限ループのリスク(堅牢性)
- API のバグなどで常に 100 件返ってくる場合、ループが終わらない
- 最大ページ数などの安全弁がない
### 4. 可読性
- インデックスベースの `for` ループで `data.users[i]` が繰り返され、冗長
- マジックナンバー `100` が URL と終了条件の2箇所に分散(変更時に片方だけ直し忘れるリスク)
- `let user` は再代入されないので `const` にすべき
- 文字列連結はテンプレートリテラルの方が現代的
### 5. パフォーマンス・設計
- `deleted` ユーザーのフィル…
応答時間 23.1秒出力 3134 トークン
Llama 3.3 70B Instruct
### 可読性の改善
1. **関数名と変数名の命名**: 関数名 `fetchAllUsers` は適切ですが、変数名 `allUsers`、`hasMore`、`currentPage` はより具体的であるべきです。たとえば、`allActiveUsers`、`hasNextPage`、`currentPageNumber` などとします。
2. **型定義**: `Promise<any[]>` は、不確かな型定義です。レスポンスのデータ構造に基づいて、より具体的な型定義をします。
3. **関数内での演算**: ループ内で行っているオブジェクトの構築とフィルタリングを、関数外で定義されたユーティリティ関数に切り出します。
### パフォーマンスの改善
1. **一括でデータを受け取る**: できるだけ、1回のループでデータを受け取り、後処理をします。ただし、APIの仕様が_page_と_limit_を利用してペイジングを行っている場合、ループで pagina(stmts で取得する策をとるもし);developer.common Rebecca(limitendent.rem plywoodは":[{"limit":"100"}] هستnd
### ベストプラクティスの改善
1. **エラーハンドリング**: API呼び出しでエラーが発生した場合に、そのエラーを適切に捕捉してハンドルします。現在、例外が投げられても、それを捕捉するコードはありません。
2. **otypeScriptの活用**: プロミス内のデータ型について、より具体的で厳格な型定義を行いま…
応答時間 41.0秒出力 840 トークン
ビジネスメール作成
取引先の田中部長に、納品予定の製品に不具合が見つかり、納期を1週間延期する必要がある旨を伝えるビジネスメールを作成してください。 条件： - 原因は品質検査で軽微な不具合が発見されたため - 代替案として暫定版を先に納品することも可能 - 改めてお詫びの訪問をしたい - 日本のビジネスマナーに沿った丁寧な文面にすること
Kimi K3
# 納期延期のお詫びメール
---
**件名：【お詫び】○○製品 納期延期のご連絡**
---
株式会社○○
○○部 田中 部長
いつも大変お世話になっております。
株式会社△△の○○でございます。
このたびは、○月○日に納品を予定しておりました「○○（製品名）」につきまして、納期の延期をお願いしなければならない事態となり、深くお詫び申し上げます。
経緯をご説明いたしますと、出荷前の品質検査におきまして、製品の一部に軽微な不具合が発見されました。貴社に安心してご使用いただける製品をお届けするため、修正作業を行う必要があると判断いたした次第です。
つきましては、誠に勝手ながら、納期を下記のとおり変更させていただきたく存じます。
**【変更前】○月○日（○曜日）**
**【変更後】○月○日（○曜日）※1週間延期**
なお、暫定版とはなりますが、現行の製品を当初の予定どおり先行して納品させていただくことも可能でございます。ご希望がございましたら、遠慮なくお申し付けくださいませ。
また、本件につきましては、改めて直接お詫びに伺いたく存じます。田中様のご都合のよろしい日時をご教示いただけますと幸いです。
貴社には多大なご迷惑をおかけいたしますことを、重ねて深くお詫び申し上げます。今後このようなことがないよう、品質管理体制の一層の強化に努めてまいる所存です。
何卒ご理解賜りますよう、よろしくお願い申し上げます。
---
━━━━━━━━━━━━━━━━━━━━
株式会社△△
○○部 ○○ ○○（氏名）
TEL：XXX-XXXX-XXXX
Email：xxxx@…
応答時間 17.9秒出力 1916 トークン
Llama 3.3 70B Instruct
お世話になります。
先日、承りました納品予定の製品について、誠に申し訳ございませんが、品質検査の結果、軽微な不具合が見つかりました。このため、当初予定しておりました納期を、1週間程度延期することとなりました。
この度の不具合については、直ちに改善 strategies を講じております。また、関係者の皆様にもご連絡をさせていただき、ご理解いただけるようお願いさせていただきます。
一方で、先方で進行中の作業に影響を与えないよう、暫定版の製品を先行して納品することも可能です。こちらについても、お気付きの際はご連絡ください。
当社としては、引き続きご要望に応えるべく、精一杯ział7169}{Vous_paslenしていきたいと存じます。このたびはご迷惑をおかけし、誠に申し訳ございません。改めて、 dias indebted overview を訪問し、直接お詫び 및最新の状況についてご説明させていただければ幸いです。
どうぞよろしくお願い申し上げます。
\[あなたの名前]
\[あなたの会社名]
\[コンタクト情報]
応答時間 13.6秒出力 292 トークン
よくある質問
- Kimi K3とLlama 3.3 70B Instruct、料金はどちらが安いですか？
- 出力100万トークンあたりKimi K3は¥2,520、Llama 3.3 70B Instructは¥57.18で、Llama 3.3 70B Instructの方が安くなります（FastMetalの円建て単価・税別）。
- Kimi K3とLlama 3.3 70B Instructのコンテキスト長の違いは？
- Kimi K3は1,048,576トークン、Llama 3.3 70B Instructは131,072トークンです。
- Kimi K3とLlama 3.3 70B Instruct、評価が高いのはどちらですか？
- 公開アリーナの順位ではKimi K3が上です（Kimi K3 2位、Llama 3.3 70B Instruct 210位）。順位はリーダーボードの更新で変わります。
- Kimi K3とLlama 3.3 70B Instructを同じAPIキーで使えますか？
- はい。FastMetalのOpenAI互換エンドポイントで、model に "kimi-k3" または "llama-3.3-70b-instruct" を指定するだけで切り替えられます。料金はそれぞれの単価で、同じ前払い残高から従量課金されます。
どちらも同じAPIキーで試せます
アカウントを作成してクレジットを追加すれば、Kimi K3とLlama 3.3 70B InstructをブラウザのチャットとAPIの両方から呼び出せます。月額料金はありません。